开始使用
安装 MinT SDK
MinT 客户端 SDK 以 mindlab-toolkit 形式发行——一个纯 Python 包。企业版与社区版共享同一个包，代码可以零成本迁移；差别仅在端点与 API Key。
环境要求
- Python 3.11 或以上。
- 建议使用
venv或conda创建独立环境。 - 无需本地 GPU——客户端只组装训练请求，所有 forward / backward / sampling 都在 MinT 集群上跑。
- 网络可访问企业租户的 MinT 端点（
mint.macaron.xin或mint-cn.macaron.xin，或客户私有化集群地址）。
安装命令
pip install git+https://github.com/MindLab-Research/mindlab-toolkit.git安装完成后会同时引入 mint 包以及与之兼容的 tinker（>= 0.15.0）运行时辅助库。
验证
python -c "import mint; print(mint.__version__)"tinker 兼容入口
如果你已经有现成的 Tinker 训练脚本，只需替换一行 import 即可迁移到 MinT：
import mint as tinker导入 mint 时会自动补丁 tinker 的密钥校验逻辑，使 sk-* 形式的 API Key 可以直接使用。
注意
在 MinT 训练循环中请不要调用 zero_grad_async——梯度归零由服务端统一处理。这是 MinT 相对 tinker 的已知行为差异。
命名空间
安装后可用的核心命名空间：
mint：核心 API（ServiceClient、create_lora_training_client、forward_backward、optim_step、save_weights_and_get_sampling_client等）。mint.types：类型定义（Datum、ModelInput、AdamParams、SamplingParams等）。mintx：MinT 专属扩展（含mintx.OPENPI_FAST_MODEL等常量）。
私有化环境的离线安装
明确私有化交付包含"依赖镜像与离线安装包，支持纯内网环境一键拉起"。企业版私有化部署客户在 onboarding 阶段由 Mind Lab 团队随集群一并交付离线安装包与升级流程，无需客户自建 pip mirror。
下一步
SDK 装好之后，接着配置与管理 API Key，再按快速入门跑通第一个训练。